[논문 리뷰] On Bayesian credible sets in restricted parameter space problems and lower bounds for frequentist coverage

Éric Marchand, William E. Strawderman|arXiv (Cornell University)|2012. 07. 31.

Probabilistic and Robust Engineering Design참고 문헌 11인용 수 3

한 줄 요약

이 논문은 매개변수의 관심 매개변수가 하한으로 제한된 제한된 매개변수 공간에서 베이지안 신뢰집합을 구성하기 위한 통합 프레임워크를 제안한다. 지출 함수 접근법을 활용하여, $\frac{1-\alpha}{1+\alpha}$를 초과하는 보장된 빈도적 커버리지가 보장되는 클래스의 신뢰집합을 도출한다. 이는 대칭 케이스에서 HPD 구간과 동일한 꼬리 비율 수정을 포함하며, 이전 결과가 부족했던 비대칭 설정으로 커버리지 보장을 확장한다.

ABSTRACT

For estimating a lower bounded parametric function in the framework of Marchand and Strawderman (2006), we provide through a unified approach a class of Bayesian confidence intervals with credibility $1-α$ and frequentist coverage probability bounded below by $\frac{1-α}{1+α}$. In cases where the underlying pivotal distribution is symmetric, the findings represent extensions with respect to the specification of the credible set achieved through the choice of a {\it spending function}, and include Marchand and Strawderman's HPD procedure result. For non-symmetric cases, the determination of a such a class of Bayesian credible sets fills a gap in the literature and includes an "equal-tails" modification of the HPD procedure. Several examples are presented demonstrating wide applicability.

연구 동기 및 목표

• 비대칭적이고 제한된 매개변수 공간에서의 베이지안 신뢰집합에 대한 빈도적 커버리지에 대한 분석적 하한이 부족한 문제를 해결하기 위해.
• Marchand 및 Strawderman(2006)의 커버리지 결과를 대칭 기준 통계량 분포를 초월하여 일반적인 위치척도 및 지수족 모형으로 확장하기 위해.
• 단일 절차가 아니라, 최소한 $\frac{1-\alpha}{1+\alpha}$를 초과하는 빈도적 커버리지를 보장하는 베이지안 신뢰집합의 클래스를 제공하기 위해.
• 제한된 매개변수 공간 하에서 HPD 구간과 동일 꼬리 구간에 대한 기존 결과를 통합하고 일반화하기 위해.
• 지출 함수가 베이지안 구간의 빈도적 성능을 어떻게 조절하는지 실용적 관련성을 입증하기 위해.

제안 방법

• 지출 함수 해석을 활용하여 베이지안 신뢰집합의 구성 방식을 매개변수화함으로써 꼬리 확률에 대한 민감한 제어를 가능하게 한다.
• 모든 $\theta$에 대해 독립적인 알려진 분포 $G$를 갖는 기준 통계량 $T(X,\theta)$의 존재를 가정함으로써 커버리지 성질을 유도할 수 있다.
• 비정보적 사전분포를 제한된 매개변수 공간 $\theta \geq 0$로 잘라내어 사후 추론이 적절하게 이루어지도록 하는 사전분포를 정의한다.
• 지출 함수를 통해 꼬리 확률을 할당하여, HPD 및 동일 꼬리 구간을 일반화한 방식으로 신뢰집합을 구성한다.
• 기준 통계량의 표본 분포를 통합하여 빈도적 커버리지를 분석함으로써 커버리지의 하한을 도출한다.
• 이 프레임워크는 위치척도 가족, 선형 모형, 제약 조건이 있는 다변량 척도 가족을 포함한 광범위한 모형에 적용 가능하다.

실험 결과

연구 질문

• RQ1 비대칭 기준 통계량 분포를 초월하여 제한된 매개변수 공간에서 베이지안 신뢰집합의 최소 빈도적 커버리지를 보장할 수 있는 통합적 방법을 개발할 수 있는가?
• RQ2 기준 통계량이 비대칭이고 매개변수가 하한으로 제한된 경우, 베이지안 신뢰집합이 달성할 수 있는 최소 빈도적 커버리지는 무엇인가?
• RQ3 지출 함수의 선택이 제한된 모형에서 베이지안 신뢰집합의 빈도적 커버리지에 미치는 영향은 어떠한가?
• RQ4 대칭 케이스에서는 HPD 구간과 일치하지만 비대칭 케이스에서도 강력한 커버리지 보장을 유지할 수 있는 동일 꼬리 신뢰집합을 구성할 수 있는가?
• RQ5 지출 함수 프레임워크는 제한된 매개변수 공간에서 보장된 커버리지가 있는 기존 HPD 구간 결과를 어느 정도 일반화할 수 있는가?

주요 결과

• 제안된 베이지안 신뢰집합의 클래스는 모든 $\theta \geq 0$에 대해 기준 통계량의 대칭성과 무관하게 최소한 $\frac{1-\alpha}{1+\alpha}$의 빈도적 커버리지 확률을 보장한다.
• 대칭 케이스에서는 동일 꼬리 구간이 HPD 구간과 일치하여 기존의 커버리지 보장을 유지한다.
• 예를 들어 $\theta \geq 1$ 조건이 있는 감마 분포와 같은 비대칭 모형에서는 본 연구가 빈도적 커버리지에 대한 첫 번째 분석적 하한을 제공하며, 문헌의 핵심적 빈도를 메운다.
• 지출 함수 접근법은 HPD나 동일 꼬리 구간에 국한되지 않는 다양한 유형의 신뢰집합을 유연하게 제공하며, 각각에 대해 보장된 커버리지가 있다.
• 이 프레임워크는 위치척도 가족, 제약 조건이 있는 선형 조합이 포함된 선형 모형, 척도 비율 추정 등 넓은 범위의 모형에 적용 가능하다.
• 결과는 경계나 지출 함수의 선택이 빈도적 성능에 결정적인 영향을 미치며, 베이지안 신뢰집합의 일반적 평가가 불가능하다는 점을 보여준다.